[发明专利]训练样本的生成方法、装置、电子设备和存储介质

权利要求书

1.一种训练样本的生成方法，包括：

获取初始样本集，其中，所述初始样本集中包括多个样本及每个样本中各个分词对应的领域标签；

将每个样本中各个分词，依次用对应的领域标签替换，以生成每个所述样本对应的模板；

根据每个模板中包含的领域标签，将多个所述模板进行分类，以生成多个模板组；

根据每个模板组中的每个模板对应的样本数量，确定每个所述模板组对应的样本数量；

从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集。

2.如权利要求1所述的方法，其中，所述根据每个模板中包含的领域标签，将多个所述模板进行分类，以生成多个模板组，包括：

确定包含领域标签的类型相同的各个模板属于同一模板组；

或者，

确定包含领域标签的类型相同、且各领域标签的顺序相同的各个模板属于同一模板组。

3.如权利要求1所述的方法，其中，所述根据每个模板中包含的领域标签，将多个所述模板进行分类，以生成多个模板组，包括：

根据每个模板中包含的各个领域标签的类型，确定每个模板对应的关键领域标签；

确定对应关键领域标签相同的各个模板属于同一模板组。

4.如权利要求1所述的方法，其中，所述将每个样本中各个分词，依次用对应的领域标签替换，以生成每个所述样本对应的模板，包括：

将每个样本中指定类型的分词，依次用对应的领域标签替换，以生成每个所述样本对应的模板。

5.如权利要求1-4任一所述的方法，其中，在所述从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集之前，还包括：

在任一模板组对应的样本数量与其他模板组对应的样本数量间的差值大于第一阈值的情况下，确定所述任一模板组对应的参考模板；

从所述参考模板中每个领域标签对应的关键词集中分别抽取关键词，以生成包含所述关键词的第一扩充样本；

将所述第一扩充样本，加入所述任一模板组对应的样本中。

6.如权利要求5所述的方法，其中，在所述从所述参考模板中每个领域标签关联的关键词集中分别抽取关键词之前，还包括：

根据所述初始样本集中各个分词对应的领域标签，确定每个领域标签对应的关键词集。

7.如权利要求5所述的方法，其中，所述确定所述任一模板组对应的参考模板，包括：

确定所述任一模板组对应的主题；

将所述任一模板组中任一模板中的与所述主题无关联的领域标签去除，以生成所述任一模板组对应的参考模板。

8.如权利要求1-4任一所述的方法，其中，在从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集之前，还包括：

在任一模板组中任一领域标签的出现频率小于其余领域标签的出现频率的情况下，基于所述任一领域标签所在的模板及对应的关键词集中的各关键词，构建包含所述任一领域标签对应的关键词的第二扩充样本；

将所述第二扩充样本，加入所述任一模板组对应的样本中。

9.如权利要求1-4任一所述的方法，其中，所述从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集，包括：

确定当前的训练任务；

根据所述当前的训练任务，确定每个所述模板组对应的抽取规则；

基于每个所述模板组对应的抽取规则，从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集。

10.如权利要求9所述的方法，其中，所述当前的训练任务为序列标注任务，所述根据所述当前的训练任务，确定每个所述模板组对应的抽取规则，包括：

在任一分词对应至少两个领域标签的情况下，确定所述至少两个领域标签分别对应的至少两个模板组；

确定所述至少两个模板组中，待抽取的包含所述任一分词的样本数量间的差值小于第二阈值。